Probabilistic Thinning

概率稀疏化解耦机器学习推理与状态更新

研究人员开发了一种名为概率稀疏化的新方法，用于解耦机器学习低延迟特征引擎中的推理与状态更新。该技术仅选择性地触发信息性事件的持久化状态更新，而不是处理每个传入事件。该方法旨在通过控制持久化路径来降低流式机器学习管道的延迟、争用和运营成本，而无需高频内存控制平面或跨工作节点协调。评估表明，高达90%的事件可以被排除在持久化路径之外，同时保持或提高下游效用。